饿了么大模型一面面经
2、介绍强化学习项目
状态、动作空间怎么设置的？
强化学习算法分为哪几类？PPO是On policy还是off policy？off policy和on policy的区别是什么？off policy相比于on policy有哪些优点和缺点？
3、机器学习
对哪些机器学习算法比较熟悉？特征怎么选的？lgb超参数怎么调的？特征是越多越好吗？
4、实习
CPT用了多少数据？什么机器配置？如果训练中途崩溃了模型和数据怎么加载？怎么评估的？
SFT什么场景？怎么评估的？
baichuan和qwen的区别有哪些？MHA、GQA、MQA的区别？
超参怎么调整的？
5、手撕MHA
类似资料：